深度學習技術助攻！新工具可從顯微影像中辨識各種細菌

人工智慧技術正推動醫學領域持續進步，最近華盛頓大學團隊就展示了最新開發的深度學習軟體 Omnipose，在先進技術協助下，Omnipose 不僅達成原本協助辨識顯微鏡影像中各種微小細菌的目標，更進一步能在影像中辨識出細菌以外的微小生物，未來將有望成為多領域顯微影像解讀上的一大助力。

Omnipose 可識別細菌更精細的物理特徵

Omnipose 是華盛頓大學物理學研究生 Kevin J. Cutler 與其團隊所共同開發，透過使用大型細菌影像數據庫訓練，Omnipose 除了消除其前身 Cellpose 的一些錯誤，在表徵和量化培養皿中的混合微生物方面更是青出於藍。

不同細菌在形狀及光學特性上都存在差異，而 Omnipose 在辨識這些微小差異上表現出色，同時還可以識別像是分支、細絲和附屬物等更精細的物理特徵，即使細菌因抗生素治療或化學物質的拮抗作用（antagonism）形狀出現極端變化，Omnipose 也不會輕易被欺騙，在進一步的實驗中，Omnipose 甚至能辨別出因細胞毒性形狀略微改變的大腸桿菌（E. coli）。

為了探索 Omnipose 的實用範疇，研究團隊還利用在遺傳、神經科學中常見的秀麗隱桿線蟲（C. elegans）顯微影像進行了測試，儘管秀麗隱桿線蟲具有與細菌類似的細長形狀，還會因伸展、扭曲等運動形狀產生改變，Omnipose 還是能從影像中成功辨識出來，研究人員認為，這正展現出 Omnipose 在更多需要顯微影像辨識的相關研究領域中的應用潛力。